PENINGKATAN AKURASI IDENTIFIKASI CITRA SIDIK JARI TERDISTORSI MENGGUNAKAN TRANSFORMASI GEOMETRI DAN METODE ZHANG SUEN SKRIPSI Oleh : HUDAN DARDIRI NIM : 11650012 JURUSAN TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM MALANG 2015
136
Embed
PENINGKATAN AKURASI IDENTIFIKASI CITRA SIDIK JARI ...etheses.uin-malang.ac.id/8168/1/11650012.pdfdengan judul “Peningkatan Akurasi Identifikasi Citra Sidik Jari Terdistorsi Menggunakan
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
PENINGKATAN AKURASI IDENTIFIKASI CITRA SIDIK JARITERDISTORSI MENGGUNAKAN TRANSFORMASI
GEOMETRI DAN METODE ZHANG SUEN
SKRIPSI
Oleh :HUDAN DARDIRI
NIM : 11650012
JURUSAN TEKNIK INFORMATIKAFAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIMMALANG
2015
i
i
HALAMAN JUDUL
PENINGKATAN AKURASI IDENTIFIKASI CITRA SIDIK JARITERDISTORSI MENGGUNAKAN TRANSFORMASI
GEOMETRI DAN METODE ZHANG SUEN
SKRIPSI
Oleh :HUDAN DARDIRI
NIM : 11650012
JURUSAN TEKNIK INFORMATIKAFAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIMMALANG
2015
ii
ii
HALAMAN PENGAJUAN
PENINGKATAN AKURASI IDENTIFIKASI CITRA SIDIK JARITERDISTORSI MENGGUNAKAN TRANSFORMASI
GEOMETRI DAN METODE ZHANG SUEN
SKRIPSI
Diajukan kepada :Fakultas Sains dan Teknologi
Universitas Islam Negei Maulana Malik Ibrahim MalangUntuk Memenuhi Salah Satu Persyaratan Dalam Memperoleh Gelar Sarjana
Komputer (S. Kom)
Oleh :HUDAN DARDIRI
NIM : 11650012
JURUSAN TEKNIK INFORMATIKAFAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIMMALANG
2015
iii
iii
HALAMAN PERSETUJUAN
PENINGKATAN AKURASI IDENTIFIKASI CITRA SIDIK JARITERDISTORSI MENGGUNAKAN TRANSFORMASI
GEOMETRI DAN METODE ZHANG SUEN
SKRIPSI
Oleh :
Nama : Hudan DardiriNIM : 11650012Jurusan : Teknik InformatikaFakultas : Sains dan Teknologi
Tabel 4.2. Kesesuaian Data Uji 8 Hasil Teratas ......................................
Tabel 4.3. Kesesuaian Data Uji 4 Hasil Teratas ......................................
Tabel 4.4. Kesesuaian Data Uji 1 Hasil Teratas ......................................
20
90
94
96
99
xvii
ABSTRAK
Dardiri, Hudan 2015. Peningkatan Akurasi Identifikasi Citra Sidik JariTerdistorsi Menggunakan Transformasi Geometri dan Metode Zhang Suen.Skripsi.Jurusan Teknik Informatika Fakultas Sains dan Teknologi UniversitasIslam Negeri Maulana Malik Ibrahim Malang.Pembimbing : (I) Dr. Cahyo Crysdian (II) Irwan Budi Santoso, M.Kom
Kata Kunci : Sidik Jari Terdistorsi
Dalam dunia kriminlitas untuk mengungkap kasus kejahatan pada umumnyadilakukan dengan menggunakan identifikasi sidik jari. Peranan sidik jarimempunyai tingkat kredibilitas (perihal yang dapat dipercaya) yang tinggi danmemenuhi kriteria reabilitas (ketepatan dan ketelitian), sehingga dapat dijadikansebagai alat bukti. Data sidik jari yang ditemukan di TKP (Tempat KejadianPerkara) selalu mengalami distorsi. Klasifikasi distorsi dibedakan menjadi 5kategori yaitu berminyak, kering, kotor, sebagian, dan rotasi. Pada penelitian inimembahas tentang distorsi sebagian dan rotasi dengan menggunakan metodetransformasi geometri dan metode zhang suen. Tujuan dari penelitian ini adalahuntuk mengukur tingkat akurasi yang dihasilkan dari proses identifikasi citra sidikjari terdistorsi. Sehingga pada penelitian ini menghasilkan tingkat akurasi 4kategori : 8 hasil teratas tingkat akurasi 83,3%, 4 hasil teratas tingkat akurasi66,7%, dan 1 hasil teratas tingkat akurasi 48, 3%, dengan waktu pencarian dalam1 percobaan 5 menit 53 detik dari 20 orang data uji dan masing-masing minimal 3citra sidik jari.
xviii
ABSTRACT
Dardiri, Hudan 2015. An Increasing of Accuracy of Fingerprint IdentificationDistorted with Using Geometry Transformation and Zhang Suen Method.Thesis. Department of Informatics Faculty of Science and Technology, the StateIslamic University of Maulana Malik Ibrahim Malang.Advisors: (I) Dr. Cahyo Crysdian (II) Irwan Budi Santoso, M.Kom
Keywords: Fingerprint Distorted
Generally in the world of criminals is to expose crimes g done usingfingerprint identification. The role of the fingerprint has a level of credibility(about who can be trusted) is high and meets the criteria of reliability (precisionand accuracy), so it can be used as evidence. Data of fingerprints that found at thecrime scene (the scene) is always distorted. Classification of distortion can bedivided into five categories: oily, dry, dirty, partially, and rotation. In this studydiscusses the partial and rotational distortion by using geometric transformationand zhang Suen methods. The purpose of this study was to measure the level ofaccuracy that was resulted from the process of identifying the fingerprint wasdistorted. So in this study resulted in an accuracy rate of 4 categories: 8 top resultsof accuracy rate of 83.3%, 4 top results of accuracy rate of 66.7%, and 1 top resultof accuracy rate of 48, 3%, with a search in one experiment of 5 min 53 second of20 people of the test data and each of at least three fingerprint image.
xix
الملخص
زيادة دقة حتديد صورة بصمات األصابع مشوهة باستخدام . 2015عام ، الدرديري، هودىقسم املعلوماتية كلية العلوم والتكنولوجيا . حبث جامعى. التحول اهلندسي وطرق تشانغ سوين
.اللجامعة اإلسالمية احلكومية موالنا مالك إبراهيم ماالنجإيروان بودي سانتوسو،املاجستري الدكتور جحيو كرشديا و : املشرفون
بصمات األصابع مشوهة: الكلمات البحثدور . يف عامل اجلرمية لفضح جرائم القيام عموما باستخدام التعرف على بصمات األصابع
مرتفع ويليب معايري املوثوقية ) (البصمة لديها مستوى من املصداقية بصمات البيانات اليت عثر عليها يف مسرح اجلرمية . لذلك ميكن أن تستخدم كدليل، )الدقة والدقة(الدهنية، اجلافة، قذر، : وميكن تقسيم تصنيف التشويه إىل مخس فئات. مشوهة دائما) املشهد(
يف هذه الدراسة تناقش تشويه جزئي والتناوب باستخدام التحول اهلندسي وطرق . جزئيا، والتناوبوكان الغرض من هذه الدراسة لقياس مستوى من الدقة اليت تنتج من عملية التعرف . تشانغ سوين
أعلى 8: فئات4حىت يف هذه الدراسة حتصل عن معدل دقة . على صورة البصمات مشوهةأعلى النتائج معدل دقة 1٪، و 66.7٪، أربع نتائج أعلى معدل دقة 83.3النتائج نسبة دقة
شخصا وبيانات االختبار من 20الثانية من 53دقيقة 5جتربة ٪، مع البحث يف واحدة 3، 48.كل ثالثة على األقل صورة لبصمات األصابع
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Di era dekade terakhir sistem biometrik telah mencapai perkembangan yang
luar biasa dalam menggantikan sistem verifikasi konvensional. Sistem biometrik
digunakan untuk pengidentifikasian terhadap berbagai macam kondisi sosial
diantaranya penyelidikan kejahatan dan tindak kriminal. Bicara masalah kejahatan
dan kriminalitas di Indonesia setiap tahun semakin meningkat. Kejahatan yang
cenderung meningkat di pengaruhi dengan datangnya krisis multi dimensi yang
melanda di Indonesia sejak pertengahan tahun 1997. Badai krisis yang menimpa
saat itu mengakibatkan angka pengangguran yang cukup tinggi dan tekanan psikis
yang dialami penduduk dalam memenuhi kebutuhan hidupnya, terutama karena
tajamnya persaingan dalam memenuhi kebutuhan hidup. Hal tersebut berpotensi
menyebabkan semakin tingginya angka kejahatan yang terjadi di Indonesia
(Ramdhani, 2010).
Kasus kejahatan yang terjadi dalam negara saat ini sangat beragam jenisnya.
Kasus kejahatan konvensional yang menjadi gangguan keamanan dan ketertiban
dalam masyarakat antara lain pembunuhan, pencurian, perampokan, pemerkosaan,
dan bentuk kejahatan lainnya. Dalam menangani segala kejahatan yang terjadi
proses penyidikan sidik jari bisa dilakukan, karena pihak yang berwajib berprinsip
bahwa tidak ada tindak kriminal yang tidak meninggalkan jejak (Putra, 2013).
2
Salah satu pemanfaatan organ tubuh yang unik untuk proses penyidikan
adalah dengan memanfaatkan sidik jari. Sidik jari telah di buktikan dapat
memberikan hasil yang lebih akurat dalam pengidentifikasian. Hal tersebut
menyebabkan banyak peneliti mengembangkan sebuah sistem identifikasi
terhadap sidik jari (Fahmi, 2007).
Sidik jari memiliki kehandalan yang sangat tinggi dan sangat sering
digunakan oleh para ahli forensik didalam investigasi kriminal. Sidik jari telah
terpercaya memiliki keunikan khusus, dimana setiap manusia didunia ini memiliki
satu ciri sidik jari yang unik yang tidak pernah sama dengan sidik jari manusia
lain. Walaupun manusia tersebut kembar dan memiliki DNA yang identik, secara
sains telah dibuktikan bahwa sidik jari tetap memiliki keunikan diantara meraka
masing masing (Pujiyono et al, 2009).
Pernyataan tentang sidik jari ditekankan pada al-quran. Hal ini termaktub
dalam QS. Al Qiyamah ayat 3-4:
Artinya :“[3]Apakah manusia mengira bahwa Kami tidak akan mengumpulkan(kembali) tulang belulangnya? [4]Bukan demikian, sebenarnya Kami kuasamenyusun (kembali) jari jemarinya dengan sempurna.”(Qs Al-Qiyamah ayat 3-4)
Tafsir dan penjelasan QS. Al-Qiyamah ayat 3-4 dalam kitab tafsir Ibnu Katsir jilid
8 bahwasannya Sa’id bin Jubair dan al-‘Aufi berkata dari Ibnu ‘Abbas: “Kami
(Allah) mampu membuatnya beralas kaki atau bertelanjang kaki.” Demikian itu
pula yang dikatakan oleh Mujahid, ‘Ikrimah, al-Hasan, Qatadah, adh-Dhahhak,
dan Ibnu Jarir. Dan Ibnu Jarir mengarahkannya, bahwa jika Allah Ta’ala
3
menghendaki, maka Dia akan melakukan hal tersebut di dunia. Lahiriah ayat
menunjukkan bahwa firman allah ta’ala : merupakan haal (keadaan)
dari firman-nya, artinya apakah manusia mengira bahwa Kami tidak
akan mampu mengumpulkan tulang belulangnya ? Sudah pasti, Kami akan
mengumpulkan sekaligus mampu untuk menyusun jari-jemarinya. Dengan kata
lain, kekuasaan Kami mampu untuk melakukan pengumpulan terhadapnya. Dan
jika menghendaki, Kami bisa membangkitkannya dengan menambahkan lebih
dari apa yang ada padanya sebelumnya, lalu Kami akan menjadikan ujung jari-
jemarinya sama rata.
Identifikasi sidik jari dalam dunia kriminalitas merupakan salah satu
teknologi biometrik yang paling popular dan banyak dibutuhkan untuk membantu
dalam memecahkan sebuah kasus tindak pidana kejahatan. Kekuatan hukum
pembuktian dengan identifikasi sidik jari dalam mengungkap pelaku kejahatan
sebagai alat bukti petunjuk dan keterangan ahli dalam penyelesaian perkara
pidana adalah sah dan kuat sebagaimana terdapat dalam Kitab Undang-Undang
Hukum Acara pidana Pasal 7 huruf f, Undang-Undang Kepolisian Nomor 22
Tahun 2002 Pasal 15 Ayat (1) dan Peraturan KAPOLRI Nomor 14 Tahun 2012
Pasal 10 Ayat (3) huruf d dan e, bahwa peran sidik jari mempunyai tingkat
kredibilitas (perihal yang dapat di percaya) yang tinggi dan memenuhi kriteria
reabilitas (ketepatan dan ketelitian), sehingga dapat di pergunakan sebagai alat
bukti (Ariyanto, 2013).
4
Berbagai penelitian tentang sidik jari telah banyak di kembangkan, karena
begitu pentingnya ilmu tentang sidik jari. Sidik jari manusia ini merupakan bukti
materi yang amat penting untuk proses identifikasi (Santi, 2008).
Penelitian yang dilakukan oleh Nelvi (2013) tentang aplikasi untuk
mengidentifikasi citra sidik jari terotasi menggunakan metode analytical geometry
dan wavelet haar menghasilkan tingkat akurasi di bawah 60% dengan waktu
pengidentifikasian sekitar 182,25 detik. Identifikasi ini di peruntukkan pada citra
sidik jari dalam kondisi utuh dan dalam posisi terotasi.
Penelitian berikutnya dilakukan oleh Buwono (2014) tentang
mengidentifikasi citra sidik jari dengan CBIR (Content Based Image Retrieval)
atau sistem temu kenali citra berbasis konten menggunakan wavelet daubechies
dan diagram nohis-tree yang merupakan lanjutan dari penelitian yang dilakukan
oleh Nelvi (2013) untuk mengatasi lamanya proses identifikasi menghasilkan
tingkat akurasi sekitar 62,5% dengan kecepatan proses identifikasi 18 kali lebih
cepat yaitu sekitar 9,6 detik dari penelitian yang dilakukan sebelumnya.
Identifikasi ini di peruntukkan pada citra sidik jari dalam kondisi utuh dan dalam
posisi tidak terotasi.
Penelitian lainnya dilakukan oleh Qurrohman (2014), tentang identifikasi
citra sidik jari terdistorsi menggunakan diagram voronoi dan wavelet daubechies,
peneliatian ini menghasilkan tingkat akurasi sekitar 84,375% dengan kecepatan
proses identifikasi sekitar 212 detik. Identifikasi ini di peruntukkan pada citra
sidik jari kategori sebagian dan dalam posisi tidak terotasi.
5
Pada penelitian sebelumnya, belum pernah dibahas tentang
pengidentifikasian dengan cara rotasi untuk citra sidik jari terdistorsi kategori
sebagian. Hal ini sangat diperlukan karena sidik jari yang di temukan di TKP
(Tempat Kejadian Perkara) banyak terpotong guratannya dan juga yang didapat
tidak keseluruhan, selain itu posisi yang didapat juga memungkinkan mengalami
perputaran ketika pengambilan, karena tidak semuanya dalam kondisi yang baik,
biasanya mengalami distorsi. Pengklasifikasian distorsi di bedakan kedalam lima
kategori, yaitu : berminyak, kering, kotor, sebagian, dan rotasi. Deteksi distorsi
citra sidik jari kategori sebagian umumnya sulit dideteksi pada saat terotasi
(Darujati et al, 2010).
Berdasarkan permasalahan tersebut maka perlu di kembangkan perangkat
lunak dengan kemampuan dapat melakukan pengidentifikasian dengan cara rotasi
untuk citra sidik jari dalam kategori terdistrosi sebagian. Pada penelitian ini akan
dibuat program aplikasi yang mengimplementasikan transformasi geometri yang
terdapat dalam metode analytical geometry yang di khususkan untuk proses rotasi
terhadap citra sidik jari terdistorsi, serta menerapkan metode zhang suen untuk
melakukan proses thinning. Dengan adanya penelitian ini, diharapkan dapat
mengidentifikasi citra sidik jari terdistorsi dalam posisi terotasi, sehingga dapat
menghasilkan pengenalan pola sidik jari dengan tingkat akurasi yang lebih baik
dan proses identifikasi yang lebih optimal dan efisien untuk kasus sidik jari
terdistorsi yang memungkinkan mengalami perputaran ketika pengambilan.
1.2 Identifikasi Masalah
Adapun identifikasi masalah dari penelitian ini antara lain :
6
a. Apakah metode transformasi geometri dan metode zhang suen dapat
meningkatkan akurasi identifikasi citra sidik jari terdistorsi ?
b. Seberapa banyak peningkatan akurasi yang dihasilkan untuk identifikasi
citra sidik jari terdistorsi menggunakan metode transformasi geometri dan
metode zhang suen?
1.3 Batasan Masalah
Agar penelitian ini tidak menyimpang dari permasalahan maka perlu adanya
batasan masalah, yaitu :
a. Sidik jari terdistorsi yang digunakan pada penelitian ini adalah sidik jari
terdistorsi kategori sebagian dan rotasi.
b. Alat scanner yang digunakan untuk akuisisi citra sidik jari terdistorsi dan
sidik jari normal harus memiliki resolusi yang sama.
1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah :
a. Membuktikan bahwa metode transformasi geometri dan metode zhang suen
dapat meningkatkan akurasi identifikasi citra sidik jari terdistorsi.
b. Mengukur peningkatan akurasi yang dihasilkan dari proses identifikasi citra
sidik jari terdistorsi menggunakan metode transformasi geometri dan
metode zhang suen.
7
1.5 Manfaat Penelitian
Manfaat dari penelitian adalah memberikan kontribusi bagi perkembangan
pengolahan citra digital khususnya dalam proses pengidentifikasian menggunakan
citra sidik jari.
1.6 Metodologi Penelitian
Untuk mencapai tujuan yang telah dirumuskan, maka metode penelitian
yang dilakukan dalam penulisan skripsi adalah library research, merupakan suatu
metode penelitian dengan cara melakukan pengumpulan data secara teoritis dari
buku-buku, artikel-artikel, jurnal-jurnal, dan berbagai literatur untuk mendukung
penyusunan skripsi.
1.7 Sistematika Penelitian
Penulisan skripsi ini tersusun dalam lima bab dengan sistematika penulisan
sebagai berikut :
BAB I Pendahuluan
Pendahuluan, membahas tentang latar belakang masalah, identifikasi
masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi
penelitian, dan sistematika penyusunan tugas akhir.
BAB II Landasan Teori
Landasan teori berisikan beberapa teori yang mendasari dalam penyusunan
tugas akhir ini. Adapun yang dibahas dalam bab ini adalah dasar teori yang
8
berkaitan dengan pembahasan tentang sidik jari, transformasi geometri dan
metode zhang suen.
BAB III Analisa dan Perancangan
Menganalisa kebutuhan sistem untuk membuat program aplikasi meliputi
spesifikasi kebutuhan software dan langkah-langkah pembuatan program aplikasi
identifikasi citra sidik jari terdistorsi menggunakan transformasi geometri dan
metode zhang suen.
BAB IV Hasil dan Pembahasan
Menjelaskan tentang pengujian program aplikasi identifikasi citra sidik jari
terdistorsi menggunakan transformasi geometri dan metode zhang suen yang telah
diterapkan.
BAB V Penutup
Berisi kesimpulan dan saran yang diharapkan dapat bermanfaat untuk
pengembangan pembuatan aplikasi identifikasi citra sidik jari terdistorsi.
9
BAB II
TINJAUAN PUSTAKA
2.1 Citra Sidik Jari
Citra adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang
matematis, citra merupakan fungsi menerus (continue) dari intensitas cahaya pada
bidang dua dimensi. Sumber cahaya menerangi objek, objek memantulkan
kembali sebagian dari berkas cahaya tersebut. Pantulan cahaya ini ditangkap oleh
alat-alat optik, misalnya mata pada manusia, kamera, pemindai (scanner), dan
sebagainya, sehingga bayangan objek yang disebut citra tersebut dapat disimpan
dalam memori komputer atau media lain (Darujati et al, 2010).
Sidik jari adalah pola-pola guratan pada jari manusia. Pola-pola sidik jari
manusia dibentuk sejak usia empat bulan. Ridge atau pola garis yang menonjol
pada sidik jari manusia mulai berkembang secara acak dan unik. Kecelakaan yang
cukup fatal pada usia janin 4-7 bulan dapat mengubah pola sidik jari. Menjelang
usia 8 bulan dan seterusnya pola sidik jari yang sudah terbentuk tidak akan
berubah sekalipun permukaan jari dibakar atau di potong karena setiap ridge
sudah tertanam sampai pada kulit bagian dalam (Nelvi, 2013).
Citra Sidik Jari merupakan gambar sidik jari pada bidang 2 dimensi yang
telah tersimpan dalam memori komputer atau media lain yang di proses untuk
mendapatkan sebuah informasi. Bahwasannya berdasarkan pola garis (ridge) dan
lembah (valley), sidik jari manusia dibagi atas 3 kelompok pola utama sidik jari
yaitu : Whorl, Arch, dan Loop seperti ditunjukkan pada Gambar 2.1.
10
Gambar 2.1 Klasifikasi Jenis Sidik Jari (a) Whorl, (b) Arch dan (c) Loop (sumber:Falsaev et al, 2009)
Dari klasifikasi ini dapat di bagi menjadi beberapa subklasifikasi, yaitu
(Prabhakar, 2003) :
a. Arch dibagi menjadi arch dan tented arch, dari beberapa populasi arch
mempunyai presentasi sebesar 5%.
b. Loop dibagi menjadi left loop, right loop dan double loop. Berbeda dengan
arch, jumlah individu yang mempunyai klasifikasi loop sangat besar yaitu
sebesar 60 %.
c. Whorl pada klasifikasi ini jumlah prosentasi individu sebesar 35%.
Nelvi (2013) membuat aplikasi untuk mengidentifikasi citra sidik jari
dalam kategori terotasi. Dalam proses pengidentifikasiannya dilakukan empat
tahap yaitu akuisisi citra, preprocessing, main processing, dan proses identifikasi.
Pada proses akuisisi citra dilakukan proses penginputan citra sidik jari yang sudah
tersimpan dalam memori komputer. Selanjutnya dilakukan proses preprocessing
dengan menggunakan tresholding. Main Process, disini menggunakan algoritma
analytical geometry untuk proses rotasi terhadap citra sidik jari, selisih rotasi yang
dilakukan setiap 10 derajad. Proses yang terakhir yaitu menggunakan wavelet
haar untuk proses pengidentifikasian. Nilai pada fiture yang didapat di
bandingkan dengan nilai fiture pada database. Hasil output yang dihasilkan yaitu
11
terdapat 8 kategori teratas sebagai hasil identifikasinya. Terdapat beberapa
kelemahan dalam aplikasi ini yaitu lamanya proses pengidentifikasian karena
menggunakan brute force, posisi letak citra sidik jari input harus sama dengan
citra yang ada di database, dan tingkat akurasinya masih dibawah 60%.
Buwono (2014), dalam penelitian ini yaitu membuat aplikasi tentang
“Content Based Image Retrieval Citra Sidik Jari Menggunakan Metode Wavelet
Daubechies dan Diagram NOHIS-Tree”. Tujuan utama dari penelitian ini yaitu
untuk mengidentifikasi citra sidik jari dan mengukur seberapa baik performa
akurasi serta mengetahui pengaruh pengelompokan terhadap tingkat efisiensi
waktu pencarian. Hasil yang di peroleh tingkat akurasi sekitar 62,5% dengan
kecepatan proses identifikasi 18 kali lebih cepat yaitu sekitar 9,6 detik dari
penelitian yang dilakukan sebelumnya oleh Nelvi (2013). Dari penelitian ini
kelemahan yang diperoleh yaitu hanya dapat mengidentifikasi sidik jari dalam
kondisi normal utuh.
Qurrohman (2014), dalam penelitian ini membahas tentang peningkatan
akurasi terhadap identifikasi citra sidik jari terdistorsi menggunakan diagram
voronoi dan wavelet daubechies. Disini proses penginputannya berupa citra sidik
jari dalam kategori terdistorsi (sebagian) bukan sidik jari dalam kondisi normal
utuh. Dalam penelitian ini ditemukan kelemahan yaitu belom bisa
mengidentifikasi citra terdistorsi menggunakan cara rotasi. Proses
pengidentifikasian dengan cara rotasi sangat penting dilakukan untuk kategori
citra sidik jari terdistorsi (sebagian), karena kesulitan melihat posisi citra
terdistorsi yang tidak terlihat.
12
2.2 Klasifikasi Distorsi Sidik Jari
Kategori klasifikasi distorsi sidik jari ada lima macam, diantaranya kering,
kotor, berminyak, rotasi dan terpotong sebagian seperti ditunjukkan pada Gambar
2.2.
Gambar 2.2 Klasifikasi Sidik Jari :(a) Sidik Jari Kering, (b) Sidik Jari Kotor,(c)Sidik Jari Berminyak, (d) Sidik Jari Rotasi, dan (e) Sidik Jari Sebagian (sumber:
Darujati et al, 2010)
Kulit kering cenderung menyebabkan kontak ridge tak konsisten dengan
scanner dari permukaan roll scanner sehingga banyak struktur ridge mengisi
piksel-piksel putih. Sebaliknya, lembah pada kulit berminyak cenderung terisi
dengan uap air, sehingga lembah tersebut tampak hitam pada citra yang telihat
mirip dengan struktur ridge.
2.3 Citra Keabuan (Grayscale)
Proses awal yang banyak dilakukan dalam image processing adalah
mengubah citra berwarna menjadi gray-scale. Hal ini digunakan untuk
menyederhanakan model. Citra berwarna terdiri dari 3 layer matrik yaitu R-layer,
G-layer, dan B-layer. Dalam citra ini tidak ada lagi warna yang ada hanya derajat
keabuan (Arisandi et al, 2013). Perhitungan yang digunakan untuk mengubah
citra berwarna yang mempunyai nilai matriks masing-masing red, green, dan blue
menjadi citra grayscale dapat dilakukan dengan memperhitungkan komposisi dari
13
setiap warna RGB yang ada. Berikut rumus untuk mengubah citra berwana
Zaid 180 Bahtiar Ery Bahtiar Zaid Asif Joko Faris Zaid 00 : 10 : 16
94
Uji coba dilakukan sebanyak 20 orang dengan masing-masing orang
terdapat 3 sidik jari sehingga ada 60 kali uji coba sesuai dengan potongan-
potongan sebagai sidik jari yang terdistorsi yang ditujukan pada Tabel 4.1.
Berdasarkan hasil uji yang ditunjukkan pada Tabel 4.1. Kesesuaian antara data uji
coba untuk 8 teratas ditunjukkan pada Tabel 4.2 berikut :
Tabel 4.2 Kesesuaian Data Uji 8 Hasil Teratas
NO DATA UJI KESESUAIAN KETERANGAN
1 Alex Cocok Cocok pada hasil ke 1, 2, 7, 8Alex Cocok Cocok pada hasil ke 1, 3, 4, 8Alex Cocok Cocok pada hasil ke 1, 2, 5, 6
2 Anis Cocok Cocok pada hasil ke 1Anis Cocok Cocok pada hasil ke 1, 2, 3, 5, 7Anis Cocok Cocok pada hasil ke 1, 2, 4, 8
3 Anisa Cocok Cocok pada hasil ke 3, 7Anisa Cocok Cocok pada hasil ke 1, 7Anisa Cocok Cocok pada hasil ke 1, 2, 8
4 Arif Tidak Cocok -Arif Tidak Cocok -Arif Tidak Cocok -
5 Asif Cocok Cocok pada hasil ke 1, 3Asif Cocok Cocok pada hasil ke 1, 6Asif Cocok Cocok pada hasil ke 5
6 Bahtiar Tidak Cocok -Bahtiar Cocok Cocok pada hasil ke 1Bahtiar Cocok Cocok pada hasil ke 8
7 Eny Cocok Cocok pada hasil ke 1, 4Eny Cocok Cocok pada hasil ke 7Eny Cocok Cocok pada hasil ke 1
95
NO DATA UJI KESESUAIAN KETERANGAN
8 Ery Cocok Cocok pada hasil ke 1, 6Ery Cocok Cocok pada hasil ke 1, 6, 7Ery Cocok Cocok pada hasil ke 1, 4
9 Faris Cocok Cocok pada hasil ke 5Faris Cocok Cocok pada hasil ke 1, 4, 5Faris Cocok Cocok pada hasil ke 1, 2, 4, 6
10 Firda Cocok Cocok pada hasil ke 4, 5Firda Cocok Cocok pada hasil ke 6Firda Cocok Cocok pada hasil ke 5
11 Hudan Tidak Cocok -Hudan Tidak Cocok -Hudan Cocok Cocok pada hasil ke 8
12 Ika Cocok Cocok pada hasil ke 6Ika Tidak Cocok -Ika Cocok Cocok pada hasil ke 4
13 Johan Cocok Cocok pada hasil ke 1, 8Johan Cocok Cocok pada hasil ke 1, 4Johan Cocok Cocok pada hasil ke 2
14 Joko Tidak Cocok -Joko Cocok Cocok pada hasil ke 1, 2Joko Cocok Cocok pada hasil ke 1, 3
15 Joni Cocok Cocok pada hasil ke 2, 3Joni Cocok Cocok pada hasil ke 5Joni Cocok Cocok pada hasil ke 1, 3, 4, 5, 6, 7
16 Lisa Cocok Cocok pada hasil ke 1, 3, 5Lisa Cocok Cocok pada hasil ke 4Lisa Cocok Cocok pada hasil ke 1, 7, 8
17 Mad Ali Cocok Cocok pada hasil ke 2, 3, 4, 5, 8Mad Ali Cocok Cocok pada hasil ke 3
96
NO DATA UJI KESESUAIAN KETERANGAN
Mad Ali Cocok Cocok pada hasil ke 3, 6
18 Mad Yani Cocok Cocok pada hasil ke 4, 6, 8Mad Yani Cocok Cocok pada hasil ke 1, 7, 8Mad Yani Cocok Cocok pada hasil ke 1, 5, 7
19 Mahdi Cocok Cocok pada hasil ke 1, 7Mahdi Tidak Cocok -Mahdi Tidak Cocok -
20 Zaid Cocok Cocok pada hasil ke 1, 7Zaid Cocok Cocok pada hasil ke 7Zaid Cocok Cocok pada hasil ke 4, 8
Pada hasil uji coba 8 teratas dari 60 data uji didapati hasil uji yang cocok
berjumlah 50 data uji dan tidak cocok berjumlah 10 data uji. Perhitungan akurasi
hasil uji untuk kategori 8 teratas adalah sebagai berikut :
Kesesuaian antara data uji coba untuk 4 teratas ditunjukkan pada Tabel 4.3
berikut :
Tabel 4.3 Kesesuaian Data Uji 4 Hasil Teratas
NO DATA UJI KESESUAIAN KETERANGAN
1 Alex Cocok Cocok pada hasil ke 1, 2Alex Cocok Cocok pada hasil ke 1, 3, 4Alex Cocok Cocok pada hasil ke 1, 2
2 Anis Cocok Cocok pada hasil ke 1Anis Cocok Cocok pada hasil ke 1, 2, 3Anis Cocok Cocok pada hasil ke 1, 2, 4
97
NO DATA UJI KESESUAIAN KETERANGAN
3 Anisa Cocok Cocok pada hasil ke 3Anisa Cocok Cocok pada hasil ke 1Anisa Cocok Cocok pada hasil ke 1, 2
4 Arif Tidak Cocok -Arif Tidak Cocok -Arif Tidak Cocok -
5 Asif Cocok Cocok pada hasil ke 1, 3Asif Cocok Cocok pada hasil ke 1Asif Tidak Cocok -
6 Bahtiar Tidak Cocok -Bahtiar Cocok Cocok pada hasil ke 1Bahtiar Tidak Cocok -
7 Eny Cocok Cocok pada hasil ke 1, 4Eny Tidak Cocok -Eny Cocok Cocok pada hasil ke 1
8 Ery Cocok Cocok pada hasil ke 1Ery Cocok Cocok pada hasil ke 1Ery Cocok Cocok pada hasil ke 1, 4
9 Faris Tidak Cocok -Faris Cocok Cocok pada hasil ke 1, 4Faris Cocok Cocok pada hasil ke 1, 2, 4
10 Firda Cocok Cocok pada hasil ke 4Firda Tidak Cocok -Firda Tidak Cocok -
11 Hudan Tidak Cocok -Hudan Tidak Cocok -Hudan Tidak Cocok -
12 Ika Tidak Cocok -
98
NO DATA UJI KESESUAIAN KETERANGAN
Ika Tidak Cocok -Ika Cocok Cocok pada hasil ke 4
13 Johan Cocok Cocok pada hasil ke 1Johan Cocok Cocok pada hasil ke 1, 4Johan Cocok Cocok pada hasil ke 2
14 Joko Tidak Cocok -Joko Cocok Cocok pada hasil ke 1, 2Joko Cocok Cocok pada hasil ke 1, 3
15 Joni Cocok Cocok pada hasil ke 2, 3Joni Tidak Cocok -Joni Cocok Cocok pada hasil ke 1, 3, 4
16 Lisa Cocok Cocok pada hasil ke 1, 3Lisa Cocok Cocok pada hasil ke 4Lisa Cocok Cocok pada hasil ke 1
17 Mad Ali Cocok Cocok pada hasil ke 2, 3, 4Mad Ali Cocok Cocok pada hasil ke 3Mad Ali Cocok Cocok pada hasil ke 3
18 Mad Yani Cocok Cocok pada hasil ke 4Mad Yani Cocok Cocok pada hasil ke 1Mad Yani Cocok Cocok pada hasil ke 1
19 Mahdi Cocok Cocok pada hasil ke 1Mahdi Tidak Cocok -Mahdi Tidak Cocok -
20 Zaid Cocok Cocok pada hasil ke 1Zaid Tidak Cocok -Zaid Cocok Cocok pada hasil ke 4
99
Pada hasil uji coba 4 teratas dari 60 data uji didapati hasil uji yang cocok
berjumlah 40 data uji dan tidak cocok berjumlah 20 data uji. Perhitungan akurasi
hasil uji untuk kategori 6 teratas adalah sebagai berikut :
Kesesuaian antara data uji coba untuk 1 teratas ditunjukkan pada Tabel 4.4
berikut :
Tabel 4.4 Kesesuaian Data Uji 1 Hasil Teratas
NO DATA UJI KESESUAIAN KETERANGAN
1 Alex Cocok Cocok pada hasil ke 1Alex Cocok Cocok pada hasil ke 1Alex Cocok Cocok pada hasil ke 1
2 Anis Cocok Cocok pada hasil ke 1Anis Cocok Cocok pada hasil ke 1Anis Cocok Cocok pada hasil ke 1
3 Anisa Tidak Cocok -Anisa Cocok Cocok pada hasil ke 1Anisa Cocok Cocok pada hasil ke 1
4 Arif Tidak Cocok -Arif Tidak Cocok -Arif Tidak Cocok -
5 Asif Cocok Cocok pada hasil ke 1Asif Cocok Cocok pada hasil ke 1Asif Tidak Cocok -
6 Bahtiar Tidak Cocok -Bahtiar Cocok Cocok pada hasil ke 1
100
NO DATA UJI KESESUAIAN KETERANGAN
Bahtiar Tidak Cocok -
7 Eny Cocok Cocok pada hasil ke 1Eny Tidak Cocok -Eny Cocok Cocok pada hasil ke 1
8 Ery Cocok Cocok pada hasil ke 1Ery Cocok Cocok pada hasil ke 1Ery Cocok Cocok pada hasil ke 1
9 Faris Tidak Cocok -Faris Cocok Cocok pada hasil ke 1Faris Cocok Cocok pada hasil ke 1
10 Firda Tidak Cocok -Firda Tidak Cocok -Firda Tidak Cocok -
11 Hudan Tidak Cocok -Hudan Tidak Cocok -Hudan Tidak Cocok -
12 Ika Tidak Cocok -Ika Tidak Cocok -Ika Tidak Cocok -
13 Johan Cocok Cocok pada hasil ke 1Johan Cocok Cocok pada hasil ke 1Johan Tidak Cocok -
14 Joko Tidak Cocok -Joko Cocok Cocok pada hasil ke 1Joko Cocok Cocok pada hasil ke 1
15 Joni Tidak Cocok -Joni Tidak Cocok -Joni Cocok Cocok pada hasil ke 1
101
NO DATA UJI KESESUAIAN KETERANGAN
16 Lisa Cocok Cocok pada hasil ke 1Lisa Tidak Cocok -Lisa Cocok Cocok pada hasil ke 1
17 Mad Ali Tidak Cocok -Mad Ali Tidak Cocok -Mad Ali Tidak Cocok -
18 Mad Yani Tidak Cocok -Mad Yani Cocok Cocok pada hasil ke 1Mad Yani Cocok Cocok pada hasil ke 1
19 Mahdi Cocok Cocok pada hasil ke 1Mahdi Tidak Cocok -Mahdi Tidak Cocok -
20 Zaid Cocok Cocok pada hasil ke 1Zaid Tidak Cocok -Zaid Tidak Cocok -
Pada hasil uji coba 1 teratas dari 60 data uji didapati hasil uji yang cocok
berjumlah 29 data uji dan tidak cocok berjumlah 31 data uji. Perhitungan akurasi
hasil uji untuk kategori 1 teratas adalah sebagai berikut :
Berdasarkan hasil uji coba identifikasi citra sidik jari terdistorsi untuk
kategori 8 teratas, 6 teratas, 4 teratas dan 1 teratas didapatkan rata-rata waktu
pencarian dapat diperoleh hasil sebagai berikut :
102
Kesimpulannya rata-rata efisiensi waktu pencarian sekitar 5 menit 53 detik.
4.3 Pembahasan
Berdasarkan hasil uji coba yang telah dilakukan di dapatkan hasil akurasi
untuk 3 kategori yaitu 8 teratas, 4 teratas, dan 1 teratas. Pada penelitian ini untuk
kategori 8 teratas di peroleh akurasi 83,3%, 4 teratas di peroleh akurasi 66,7%,
dan 1 teratas di peroleh akurasi 48,3%. Pada Gambar 4.2 ditunjukkan grafik
akurasi dari perhitungan akurasi hasil uji untuk kategori 8 teratas, 4 teratas, dan 1
teratas :
0
20
40
60
80
100
8 Uji Teratas 4 Uji Teratas 1 Uji Teratas
Gambar 4.2 Grafik Akurasi
Penelitian ini mengkhususkan untuk peningkatan akurasi mengacu pada
penelitian sebelumnya yang dilakukan oleh Nelvi (2013), karena pada penelitian
ini sama-sama menggunakan citra uji terdistorsi kategori terotasi, disini di
dapatkan hasil akurasi untuk 4 kategori yaitu hasil 8 teratas sebesar 55,55%, hasil
103
uji 4 teratas memiliki akurasi 48,89%, dan hasil uji 1 teratas memiliki akurasi
sebesar 37,8%. Berikut grafik peningkatan akurasi seperti di tunjukkan pada
Gambar 4.3.
0
5
10
15
20
25
30
8 Besar 4 Besar 1 Besar
%Peningkatan
Gambar 4.3 Grafik Peningkatan Akurasi
Dari Gambar 4.3 dijelaskan bahwasannya peningkatan akurasi yang mengacu
pada penelitian sebelumnya yaitu untuk kategori 8 teratas mengalami peningkatan
sekitar 27,8%, 4 teratas mengalami peningkatan sekitar 17,8%, dan 1 teratas
mengalami peningkatan sekitar 10,5%.
Pada penelitian ini peningkatan akurasinya tidak di peruntukkan untuk
penelitian yang dilakukan oleh Qurrohman (2015), dikarenakan proses citra uji
yang dilakukan kebanyakan dari posisi pinggir bukan dari citra posisi tengah.
Ada beberapa factor yang digunakan untuk proses peningkatan akurasi
identifikasi citra sidik jari terdistorsi pada penelitian ini:
1. Menggunakan data acuan citra sidik jari yang mempunyai kualitas baik.
104
Semakin baiknya kualitas data citra acuan yang digunakan akan
mempengaruhi proses identifikasi. Gambar 4.4 ditunjukkan data acuan yang
berkualitas baik, dan tidak baik.
Gambar 4.4 a. Citra Kualitas Baik, b. Citra Kualitas Tidak Baik
2. Menerapkan transformasi geometri dan metode zhang suen.
Penerapan metode transformasi geometri di gunakan untuk melakukan
proses rotasi sebesar 10 sebanyak 36 kali dan metode zhang suen yang digunakan
untuk membantu proses checking image, sehingga hasil fragmentasi tidak
memproses hasil fragmentasi seperti yang ditunjukkan pada Gambar 4.5, yang dip
roses adalah hasil fragmentasi seperti di tunjukkan pada Gambar 4.6.
Gambar 4.5 Hasil Fragmentasi Yang Tidak Diproses
a b
105
Gambar 4.6 Hasil Fragmentasi Yang Diproses
Hasil fragmentasi pada Gambar 4.5 bisa menurunkan tingkat akurasi,
berikut hasil identifikasi yang dihasilkan jika memproses hasil fragmentasi pada
Gambar 4.5, seperti yang ditunjukkan pada Gambar 4.7.
Gambar 4.7 Hasil Identifikasi Yang Salah
Hasil fragmentasi pada Gambar 4.6 bisa meningkatkan tingkat akurasi,
berikut hasil identifikasi yang dihasilkan jika memproses hasil fragmentasi pada
Gambar 4.6, seperti yang ditunjukkan pada Gambar 4.8.
106
Gambar 4.8 Hasil Identifikasi Yang Benar
4.4 Integrasi Dengan Al-Qur’an
Petunjuk tentang penciptaan sidik jari merupakan masalah yang benar-benar
luar biasa dan yang lebih luarbiasa adalah menyusun kembali sidik jari secara
sempurna pada hari kebangkitan setelah tubuh manusia beserta tulang belulangnya
hancur lebur di dalam tanah. Hal ini merupakan bukti terbesar tentang kemutlakan
kekuasaan Allah, Tuhan pencipta untuk menghidupkan kembali mayat yang telah
hancur seperti penciptaan semula, dimana dari tiada menjadi ada (El-Naggar,
2010). Pernyataan tentang sidik jari ditekankan pada al-quran. Hal ini termaktub
dalam QS. Al Qiyamah ayat 3-4:
Artinya :“[3]Apakah manusia mengira bahwa Kami tidak akan mengumpulkan(kembali) tulang belulangnya? [4]Bukan demikian, sebenarnya Kami kuasamenyusun (kembali) jari jemarinya dengan sempurna.”(Qs Al-Qiyamah ayat 3-4)
Tafsir dan penjelasan QS. Al-Qiyamah ayat 3-4 dalam kitab tafsir Ibnu Katsir jilid
8 bahwasannya Sa’id bin Jubair dan al-‘Aufi berkata dari Ibnu ‘Abbas: “Kami
107
(Allah) mampu membuatnya beralas kaki atau bertelanjang kaki.” Demikian itu
pula yang dikatakan oleh Mujahid, ‘Ikrimah, al-Hasan, Qatadah, adh-Dhahhak,
dan Ibnu Jarir. Dan Ibnu Jarir mengarahkannya, bahwa jika Allah Ta’ala
menghendaki, maka Dia akan melakukan hal tersebut di dunia. Lahiriah ayat
menunjukkan bahwa firman allah ta’ala : merupakan haal (keadaan)
dari firman-nya, artinya apakah manusia mengira bahwa Kami tidak
akan mampu mengumpulkan tulang belulangnya ? Sudah pasti, Kami akan
mengumpulkan sekaligus mampu untuk menyusun jari-jemarinya. Dengan kata
lain, kekuasaan Kami mampu untuk melakukan pengumpulan terhadapnya. Dan
jika menghendaki, Kami bisa membangkitkannya dengan menambahkan lebih
dari apa yang ada padanya sebelumnya, lalu Kami akan menjadikan ujung jari-
jemarinya sama rata.
Mempelajari tentang sidik jari berarti mempelajari ilmu pengetahuan.
Analisa sidik jari memiliki dasar ilmu pengetahuan yang disebut dermatoglyphics
(ilmu yang di dasarkan pada teori epidermal atau garis-garisan pada permukaan
kulit). Pernyataan tentang ilmu pengetahuan ditekankan pada al-quran. Hal ini
termaktub dalam QS. Maryam ayat 43:
Artinya :“Wahai ayahku, sesungguhnya telah datang kepadaku sebagian ilmupengetahuan yang tidak datang kepadamu, maka ikutilah aku, niscaya aku akanmenunjukkan kepdamu jalan yang lurus.”(Qs Maryam ayat 43)
Tafsir dan penjelasan QS. Maryam ayat 43 dalam kitab tafsir Ibnu Katsir adalah
108
“ Wahai ayahku sesungguhnya telah
dating kepadaku sebagaian ilmu pengetahuan yang tidak datang kepadamu. “Dia
berkata : “Jika aku merupakan keturunanmu dan engkau lihat aku lebih kecil
darimu, karena aku adalah anakmu, maka ketahuilah sesungguhnya aku
mendapatkan sebagian ilmu dari Allah sesuatu yang belum engkau ketahui dan
belum dating kepadamu,” “Maka ikutilah aku, niscaya
aku akan menunjukkan kepadamu jalan yang lurus,” yaitu jalan lurus yang dapat
mengantarkanmu meraih sesuatu yang dicari dan selamat dari sesuatu yang
ditakuti.
Kemudian dalam proses identifikasi sidik jari menerapkan proses rotasi,
yang dalam hal ini perputaran / rotasi, di jelasakan pada QS. Yaasiin ayat 40.
Artinya : “tidaklah mungkin bagi matahari mendapatkan bulan dan malampuntidak dapat mendahului siang. dan masing-masing beredar pada garisedarnya.”(Qs. Yaasiin ayat 40)
Tafsir dan penjelasan QS. Yaasiin ayat 40 dalam kitab tafsir Jalalain adalah
bahwasannya (Tidaklah mungkin bagi matahari) tidak akan terjadi (mendapatkan
bulan) yaitu matahari dan bulan bersatu di malam hari (dan malam pun tidak dapat
mendahului siang) malam hari tidak akan datang sebelum habis waktu siang hari.
(Dan masing-masing) matahari, bulan dan bintang-bintang. Tanwin lafal Kullun
ini merupakan pergantian dari Mudhaf Ilaih (pada garis edarnya) yang
membundar (beredar) pada garis edarnya masing-masing. Di dalam ungkapan ini
benda-benda langit diserupakan sebagai makhluk yang berakal, karenanya mereka
diungkapkan dengan lafal Yasbahuuna.
90
Tabel 4.1 Hasil Uji Coba Identifikasi Citra Sidik Jari Terdistorsi Dengan Menggunakan Transformasi Geometri dan Metode Zhang
suen
No Data uji Rotasi Hasil 1 Hasil 2 Hasil 3 Hasil 4 Hasil 5 Hasil 6 Hasil 7 Hasil 8 Waktu
1 Alex 28 Alex Alex Zaid Zaid Joni Ery Alex Alex 00 : 05 : 11
Alex 90 Alex Ery Alex Alex Mad Yani Joni Ery Alex 00 : 04 : 50
Alex 250 Alex Alex Joko Joni Alex Alex Ery Joni 00 : 04 : 53
2 Anis 35 Anis Mad Ali Faris Anisa Mad Ali Mad Ali Mad Ali Bahtiar 00 : 05 : 20
Anis 160 Anis Anis Anis Faris Anis Faris Anis Johan 00 : 05 : 23
Anis 225 Anis Anis Johan Anis Anisa Mad Ali Anisa Anis 00 : 05 : 37
3 Anisa 45 Johan Mad Ali Anisa Johan Mahdi Faris Anisa Mad Yani 00 : 05 : 27
Anisa 310 Anisa Johan Faris Anis Anis Anis Anisa Mahdi 00 : 06 : 20
Anisa 330 Anisa Anisa Anis Faris Bahtiar Firda Faris Anisa 00 : 05 : 39
4 Arif 5 Mahdi Joni Eny Asif Alex Joni Mahdi Zaid 00 : 08 : 42
Arif 152 Alex Eny Alex Mahdi Joni Ery Alex Alex 00 : 06 : 33
Arif 180 Alex Joni Joko Lisa Mahdi Mahdi Alex Joko 00 : 08 : 00
5 Asif 15 Asif Mahdi Asif Anis Anis Mad Yani Anis Johan 00 : 07 : 08
Asif 58 Asif Johan Bahtiar Mad Yani Mad Yani Asif Alex Anis 00 : 06 : 40
Asif 90 Anis Anisa Johan Johan Asif Joni Mad Ali Joko 00 : 06 : 22
91
No Data uji Rotasi Hasil 1 Hasil 2 Hasil 3 Hasil 4 Hasil 5 Hasil 6 Hasil 7 Hasil 8 Waktu
6 Bahtiar 5 Ery Ika Joko Ery Faris Joko Mahdi Mad Yani 00 : 06 : 55
Bahtiar 20 Bahtiar Zaid Anis Joko Ery Zaid Joko Alex 00 : 06 : 58
Bahtiar 320 Alex Joko Mahdi Joko Ery Joko Anis Bahtiar 00 : 07 : 22
7 Eny 5 Eny Asif Ery Eny Alex Ery Lisa Lisa 00 : 05 : 44
Eny 220 Lisa Lisa Alex Mahdi Joni Ery Eny Joko 00 : 05 : 28
Eny 320 Eny Alex Ery Joni Alex Lisa Mahdi Lisa 00 : 05 : 39
8 Ery 20 Ery Joni Alex Joni Joni Ery Alex Joni 00 : 05 : 27
Ery 70 Ery Lisa Alex Mahdi Joni Ery Ery Alex 00 : 05 : 00
Ery 170 Ery Lisa Joni Ery Joni Alex Alex Alex 00 : 05 : 18
9 Faris 5 Mad Yani Mad Ali Johan Johan Faris Johan Mad Ali Mad Ali 00 : 04 : 47
Faris 260 Faris Johan Johan Faris Faris Anis Anis Firda 00 : 05 : 00
Faris 300 Faris Faris Firda Faris Joko Faris Bahtiar Asif 00 : 05 : 08
Zaid 180 Bahtiar Ery Bahtiar Zaid Asif Joko Faris Zaid 00 : 10 : 16
109
BAB V
KESIMPULAN
5.1 Kesimpulan
Berdasarkan implementasi dan uji coba yang telah peneliti lakukan dapat
ditarik kesimpulkan bahwa :
a. Penerapan metode transformasi geometri dan metode zhang suen dapat
meningkatkan akurasi identifikasi citra sidik jari terdistorsi. Pada penelitian
ini memberikan akuarsi dengan 4 kategori yaitu untuk 8 hasil teratas di
peroleh akurasi sekitar 83,3%, 4 hasil teratas di peroleh akurasi sekitar
66,7%, dan 1 hasil teratas di peroleh akurasi sekitar 48,3%.
b. Peningkatan akurasi yang dihasilkan dengan mengacu penelitian
sebelumnya yang dilakukan Nelvi (2013) untuk kategori 8 teratas
mengalami peningkatan sekitar 27,8%, 4 teratas mengalami peningkatan
sekitar 17,8%, dan 1 teratas mengalami peningkatan sekitar 10,5%.
110
DAFTAR PUSTAKA
Abasi, Yuyun Wahyuni, Yeffry Handako Putra dan Mira Kania Sabariah. 2004.Kompresi Citra Menggunakan Transformasi Wavelet. Jurnal Informatika.Universitas Komputer Indonesia.
Arisandi, Melly, R. Rizal Isnanto dan Ajub Ajulian Zahra. 2013. SistemPengenalan Berdasarkan Ciri Garis Telapak Tangan MenggunakanMetode Jaringan Saraf Tiruan Perambatan Balik. TRANSMISI, 15, (4),200.
Ariyanto,Yudi. 2013. Peran Sidik Jari Dalam Mengungkap Pelaku Kejahatan.Karya ilmiyah. Fakultas Hukum. Universitas Mataram. Mataram.
Buwono, Agung Satrio. 2014. CBIR Citra Sidik Jari Menggunakan MetodeWavelet Daubechies dan Diagram NOHIS-Tree. Skripsi. Jurusan TeknikInformatika Fakultas Sains dan Teknologi. Universitas Islam NegeriMaulana Malik Ibrahim. Malang.
Darujati, Cahyo, Rahmat Syam dan Mochamad Hariadi. 2010. Deteksi Citra SidikJari Terotasi Menggunakan Metode Phase-Only Correlation. SITIAConference 2010 – T. Elektro ITS. ISSN: 2087-331X.
El-Naggar, Zaghloul. 2010. Selekta dari Tafsir Ayat-Ayat Kosmos dalam Al-Qur’an Al-Karim. Jakarta. Penerbit : Shorouk International Bookshop.
Fahmi. 2007. Perancangan Algoritma Pengolahan Citra Mata Menjadi CitraPola Iris Sebagai Bentuk Antara Sistem Beometrik. Karya Ilmiah.Departemen Teknik Elektro Fakultas Teknik. Universitas Sumatera Utara.Medan.
Falasev, Reza Syauqi, Achmad Hidayatno dan R. Rizal Isnanto. 2009.Pengenalan Sidik Jari Manusia Dengan Matriks Kookurensi ArasKeabuan (Gray Level Co-Ocurrence Matrix). Makalah Tugas Akhir S-1,Universitas Diponegoro. Semarang.
Kadir Abdul dan Adhi Susanto. 2013. Teori dan Aplikasi Pengolahan Citra.ANDI. Yogyakarta.
Kristiawan, Hendra Putra, Paulus Susetyo Wardana dan Dedid Cahya Happyanto.2010. Rancang Bangun Pengecekan Logo Hasil Stempel Pada Mesin
111
Emboss Pabrik Sepatu “Ecco” Sidoarjo Menggunakan Metode Ecludian.PENS-ITS Sukolilo. Surabaya.
Nelvi, Fitriana. 2013. Identifikasi Citra Sidik Jari Rotasi Menggunakan MetodeAnalytical Geometry dan Wavelet Transform. Skripsi. Jurusan TeknikInformatika Fakultas Sains dan Teknologi. Universitas Islam NegeriMaulana Malik Ibrahim. Malang.
Pujiyono, Wahyu, Murinto dan Irfan Adam. 2009. Perbandingan Kinerja MetodeGradient Berdasarkan Operator Sobel Dan Prewit Implementasi PadaDeteksi Sidik Jari. Jurnal Informatika, Vol 3, No. 1.
Putra, Abriyanto Richo Perdana. 2013. Fungsi Sidik Jari Pelaku Tindak PidanaPembunuhan Berencana Di Kepolisian Resort Sidoarjo. Skripsi. ProgramStudi Ilmu Hukum Fakultas Hukum. Universitas Pembangunan Nasional“VETERAN”. Surabaya.
Ramdhani, Imam. 2010. Analisis Yuridis Kejahatan Pencurian KendaraanBermotor Di Wilayah Hukum Kepolisian Resort Metro Jakarta Selatan.Skripsi. Program Studi Ilmu Hukum Fakultas Hukum. UniversitasPembangunan Nasional “Veteran”. Jakarta.
Santi, Rina Candra Noor. 2008. Identifikasi Biometrik Sidik Jari Dengan MetodeFraktal. Jurnal Teknologi Informasi DINAMIK. Volume XIII. 68-72.
Vries, Andreas de. 2006. Wavelets. FH Sudwestfalen. University of AppliedSciences, Haldener Straße 182, D-58095 Hagen. Germany.